2024년은 바야흐로 ‘인공지능(AI)의 시대’라고 해도 과언이 아닙니다: 식료품을 고르는데서 부터 홀로 계신 고령의 어머니가 쓰러지실 가능성을 알려주는 데 이르기까지, 모든 일에 인공지능은 해답을 가지고 있는 것 같았으니까요. 연구 분야에서도 인공지능의 존재는 다르지 않습니다. 샘플 모집에서 부터 데이터 정리, 심지어 연구 참가자의 이탈 방지하는 것까지 연구를 위한 AI 도구는 연구의 톡톡한 조력자가 되어줍니다. 그러나 이를 사용함에 있어서는 신중함이 필요합니다. 올바른 사용법으로 다루지 않는 한 인공지능은 가디언(The Guardian)지의 비판대로 인간이 “인위적으로 쌓아올린 어리석음(artificial idiocy)”의 상징으로 전락할 수 있기 때문입니다. (가디언지 원문 – “인공지능은 잊어라. 빅데이터의 멋진 신세계의 진짜 문제는 인공지능(AI)이 아닌, 인공지능을 대하는 우리의 인위적으로 쌓아올려진 어리석음(artificial idiocy)이다”).
오늘은 널리 사용되는 연구에 AI 도구를 사용하는 방법 를 소개합니다.
학술 글쓰기 도구: Paperpal
올바른 사용법:
새로운 아이디어 발굴
논리적 논문구성틀 수립
적합한 학술 어조로 다듬기 용
글을 세련되게 다듬기 용
복잡한 학술 내용 번역
논문 포멧 다듬기
표절 검사, 텍스트 요약 및 재구성
잘못된 사용법:
한 두가지의 프롬프트만으로 논문의 전체를 구성하고, 결과물의 정확성과 실제를 검증하지 않으며, 게재 저널에 인공지능을 사용한 사실을 알리지 않는 것
이미지 생성도구: Mind the Graph
올바른 사용법:
그래픽 자료 찾기
명확하고 정확한 시각 데이터 생성
연구물을 널리 알릴 수 있는 시각 자료(예: 인포그래픽, 그래픽 초록, 포스터 등) 생성
잘못된 사용법:
실제 과학 결과물을 대체하는 용도. 예를 들어, 저널의 피어리뷰어가 웨스턴블롯검사(Western blot) 결과를 설명하는 섹션에 추가 이미지 첨부를 주문할 시, 해당 이미지는 연구자의 실제 실험 데이터에서 추출한 자료를 의미합니다. 웨스턴블롯 검사의 일반 이미지가 아닙니다.
문헌 검색 도구: R Discovery
올바른 사용법:
개인 맞춤형 피드설정을 통한 해당 분야 최신 동향 파악
오디오 버전 또는 번역본 찾기
사전 인쇄본(preprints), 학회 발표 자료 등이 검색 누락되지 않았는지 확인 용
여러 연구 프로젝에서 최적화된 체계적 문헌 검색 도구
잘못된 사용법:
해당 인용의 관련성을 검증하지 않은 맹목적 인용 추가
프로그램이 추천한 연구물을 직접 읽고 비판적으로 검토하는 과정 생략
임상 데이터 연구진행 도구: Mendel.ai 및 Medidata
올바른 사용법:
환자 모집 기간 단축
차트 검토 시 복잡한 데이터 간 상호연관성에 대한 시각화
시물레이션 연구 목적의 연구 집단 수집
잘못된 사용법:
비판적 사고 및 임상적 의사결정의 대체재로 사용하는 경우
저널 찾기 도구: Editage’s Global Journal Database
올바른 사용법:
논문 목적과 범주에 부합하는 저명한 저널에 대한 빠른 식별
저널이 주장하는 색인, 영향력 지수 등의 자료에 대한 검증
연구 펀딩의 오픈 액세스 정책을 준수하는 저널에 대한 빠른 검색
잘못된 사용법:
원고 형식, 제출고지 등 게재 저널의 요구사항을 검증하지 않고 원고를 제출할 경우
다목적 대형 언어모델(LLM): ChatGPT
올바른 사용법:
감사 인사와 공헌문과 같은 비기술적 콘텐츠 작성
기본적인 언어 오류 수정
잘 이해되지 않는 용어/방법에 대한 상세 설명 (예: 검색어에 “파이톤(Python)에서 자료 정검 단계를 설명해줘”와 같이 물어보기)
잘못된 사용법:
인용문 및 참고문헌 생성
의학주제표목(MeSH)에 따른 키워드 생성
기술 내용에 대한 번역
내용의 정확성을 검증하지 않은 채 전체 논문 및 논문의 특정 섹션에 대한 작성
게재 저널에 프로그램 사용 사실을 고지하지 않는 것
핵심 결론
연구를 위한 AI 도구는 이미 연구준비에 있어 일상 도구가 되었고, 치열한 학문 경쟁의 환경 속에서 도태되지 않기 위해서라도 사용을 무시할 수는 없습니다. 하지만 2006년 엘리저 유도코프스키(Yudkowsky)가 이미 예견한 인공지능 사용의 핵심 문제 즉, “인공지능 사용에 있어 가장 큰 문제”는 “사람들이 인공지능을 다 이해했다고 너무 섣불리 결론 내리는 것”입니다.
연구를 위해 필요한 인공지능 프로그램을 선택할 때는 해당 프로그램 사용이 허용되는지, 올바른 목적에 사용되고 있는지, 데이터가 안전하게 보호되는지 (예: 페이퍼팔(Paperpal)은 엄격한 데이터 개인정보 보호 정책을 준수하며 데이터를 학습 목적으로 사용하지 않음), 연구 및 논문 준비과정 전반의 키를 연구자가 온전히 잡고 있는지를 확인해야 합니다. 인공지능은 연구자의 연구를 개선시킬 수는 있어도, 연구자를 대신할 수 는 없습니다.
